[發明專利]基于分類結果標簽的用于噴霧控制的神經網絡的訓練方法

在審

• 申請號: 202011521389.6
• 申請日: 2020-12-21
• 公開（公告）號: CN112508041A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 劉春雨
• 申請（專利權）人: 蘇州銳希信息技術有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于分類結果標簽的用于噴霧控制的神經網絡的訓練方法，其特征在于，包括：

第一階段，包括：

獲取帶式輸送機運輸的煤炭的圖像，所述煤炭圖像中包含煤炭對象和揚塵對象；

將所述煤炭圖像通過第一卷積神經網絡以獲得第一特征圖；以及

將所述第一特征圖通過第一分類器以獲得所述第一特征圖分別歸屬于所述分類器的多個分類標簽的多個概率值，所述第一分類器的分類標簽數目對應于所述帶式輸送機的噴速裝置的控制檔位數；以及

第二階段，包括：

將所述煤炭圖像通過第二卷積神經網絡以獲得第二特征圖；

計算所述第二特征圖與由所述多個概念值構成的標簽向量之間的交叉熵損失函數值；

將所述第二特征圖通過第二分類器以獲得分類損失函數值；以及

基于所述交叉熵損失函數值和所述分類損失函數值，更新所述第二卷積神經網絡和所述第二分類器的參數。

2.根據權利要求1所述的基于分類結果標簽的用于噴霧控制的神經網絡的訓練方法，其中，將所述第一特征圖通過第一分類器以獲得所述第一特征圖分別歸屬于所述分類器的多個分類標簽的多個概率值，包括：

將所述第一特征圖通過一個或多個全連接層，以獲得第一分類特征向量；

將所述第一分類特征向量輸入Softmax分類函數，以獲得所述第一特征圖分別歸屬于所述分類器的多個分類標簽的多個概率值。

3.根據權利要求1所述的基于分類結果標簽的用于噴霧控制的神經網絡的訓練方法，其中，將所述第二特征圖通過第二分類器以獲得分類損失函數值，包括：

將所述第二特征圖通過編碼器進行編碼，以獲得第二分類特征向量，所述編碼器包括一個或多個全連接層；

將所述第二分類特征向量輸入Softmax分類函數，以獲得分類結果；及

將所述分類結果與真實值之間的差值輸入損失函數，以獲得所述分類損失函數值。

4.根據權利要求1所述的基于分類結果標簽的用于噴霧控制的神經網絡的訓練方法，其中，基于所述交叉熵損失函數值和所述分類損失函數值，更新所述第二卷積神經網絡和所述第二分類器的參數，包括：在每一輪迭代中，

基于所述交叉熵損失函數值和所述分類損失函數值的加權和，更新所述第二卷積神經網絡的參數；以及

基于所述分類損失函數值，更新所述第二分類器的參數。

5.根據權利要求4所述的基于分類結果標簽的用于噴霧控制的神經網絡的訓練方法，其中，所述第二卷積神經網絡為深度殘差網絡。

6.一種基于深度神經網絡的噴霧控制方法，其特征在于，包括：

獲取帶式輸送機運輸的煤炭的圖像；以及

將所述煤炭圖像輸入根據如權利要求1至5任一所述的基于分類結果標簽的用于噴霧控制的神經網絡的訓練方法所訓練的第二卷積神經網絡和第二分類器，以獲得分類結果，所述分類結果用于表示噴速裝置的控制檔位。